mysql

压缩包下载地址

1. 数据库的三范式

1NF:字段不可分;
2NF:有主键，非主键字段依赖主键;
3NF:非主键字段不能相互依赖;
解释:
1NF:原子性 字段不可再分,否则就不是关系数据库;
2NF:唯一性 一个表只说明一个事物;
3NF:每列都与主键有直接关系，不存在传递依赖;

2. 数据库基本类型

数值型：Tinyint,Smallint,Int,Bigint,Float,Double,Decimal
日期型：Date,Datime,Timestamp,Time,Year
字符串型：Char,Varchar,Text,Tinytext,Mediumtext,Longtext

3. 数据库引擎

对比项	MyISAM	InnoDB
事物	不支持	支持
锁	表锁	行锁
表空间	小	大
全文索引	支持	不支持

4. 数据库事务(acid)

原子性：构成事务的的所有操作必须是一个逻辑单元，要么全部执行，要么全部不执行。
一致性：在事务开始之前和事务结束以后，数据库的完整性没有被破坏。这表示写入的资料必须完全符合所有的预设规则。
隔离性：并发事务之间不会相互影响。
持久性：事务处理结束后，对数据的修改就是永久的，即便系统故障也不会丢失。事务执行成功后必须全部写入磁盘。
事务隔离性的实现原理
数据库事务会导致脏读、不可重复读、幻读等问题。

1. 脏读：事务A读取了事务B更新的数据，然后B回滚操作，那么A读取到的数据是脏数据
2. 不可重复读：事务 A 多次读取同一数据，事务 B 在事务A多次读取的过程中，对数据作了更新并提交，导致事务A多次读取同一数据时，结果 不一致。
3. 幻读：系统管理员A将数据库中所有学生的成绩从具体分数改为ABCDE等级，但是系统管理员B就在这个时候插入了一条具体分数的记录，当系统管理员A改结束后发现还有一条记录没有改过来，就好像发生了幻觉一样，这就叫幻读。

事务隔离级别	脏读	不可重复读	幻读
read-uncommitted（读未提交）	是	是	是
read-committed（读已提交）	否	是	是
repeatable-read（读重复提交）	否	是	是
serializable（串行化）	否	否	否

1、悲观锁（更新多，查询少时用）
如果我们采用悲观锁。就是我们在操作数据库时采用悲观的态度，认为别人会在此时并发访问数据库。我们在查询语句中select * from account where name=‘aaa’ for update; 等于加了排它锁。当A查询余额的时候，select money from account where name=‘aaa’ forupdate; 增加了排它锁，B查询账户余额的时候， select money from account wherename=‘aaa’ forupdate； 也要求对数据库加排它锁，因为A已经拿到了排它锁，导致B不能加锁，所以B只有等待A执行完毕，释放掉锁以后才能继续操作。

2、乐观锁（更新少，查询多时用）
如果我们采用乐观锁，就是我们在操作数据库的时候会认为没有其它用户并发访问，但是乐观锁也不是完全乐观的，乐观锁是采用版本号的方式进行控制的。在数据库表中有一列版本号。从数据库中查询的时候，将版本号也查询过来，在进行更新操作的时候，将版本号加1，查询条件的版本号还是查询过来的版本号。比如，A执行查询操作的时候，selectmoney,version from account where name=‘aaa’; 假设此时查询到的版本号为0，A在进行更新操作的时候 update account set money=money+100, version=version+1where name=‘aaa’ and version=0; 未提交时B来查询，查询到的版本号依然是 0，B也执行更新操作update account set money=money+100,version=version+1 wherename=‘aaa’ and version=0;现在A提交了事务，B再提交事务的时候发现版本号为 0的记录没有了，所以就避免了数据丢失的问题。不过这种情况也导致了多个用户更新操作时，只有一个用户的更新被执行。

3、行级锁（为某一条记录加锁）
如果想对数据库中的某条记录加行级锁，那么 where 条件后面必须为索引列。否则 for update加的都是表级锁。行级锁就是只对要访问的当前行加锁，其他用户访问其它行记录的时候可以访问。 select * from account where id=1 for update;

4、表级锁（为一张表加锁）
在查询语句后增加 for update 时，where 条件后不是索引列，那么此时都是表级锁。select * from account where name=‘aaa’ for update;

数据库索引

索引是对数据库表中一列或多列的值进行排序的一种结构，使用索引可快速访问数据库表中的特定信息。目的：加快对表中记录的查找或排序，提高系统的性能。

• 索引的分类

• 主键索引（PRIMARY KEY）
  唯一标识，不可重复，主键只能有一个

• 唯一索引（UNIQUE KEY）
  避免重复的列出现，唯一索引可以重复，一个表中可以多个字段设置为唯一索引

• 常规索引（KEY/INDEX）
  默认 使用KEY或者INDEX来定义

• 全文索引 （FullTest）
  快速定位数据，只有特定数据库引擎下支持（MyISAM）

优点
创建索引可以大大提高系统的性能。

• 通过创建唯一性索引，可以保证数据库表中每一行数据的唯一性。
• 可以大大加快数据的检索速度，这也是创建索引的最主要的原因。
• 可以加速表和表之间的连接，特别是在实现数据的参考完整性方面特别有意义。
• 在使用分组和排序子句进行数据检索时，同样可以显著减少查询中分组和排序的时间。
• 通过使用索引，可以在查询的过程中，使用优化隐藏器，提高系统的性能。

缺点

• 创建索引和维护索引要耗费时间，这种时间随着数据量的增加而增加。
• 索引需要占物理空间，除了数据表占数据空间之外，每一个索引还要占一定的物理空间，如果要建立聚簇索引，那么需要的空间就会更大。
• 当对表中的数据进行增加、删除和修改的时候，索引也要动态的维护，这样就降低了数据的维护速度。

数据库优化

1. 确定高负载的 SQL
2. 避免使用 OR 子句

OR 子句在实际执行中会被转换为类似于 UNION 的查询。如果某一个 OR 子句不能利用上索引则会使用全表扫描造成效率低下，应避免使用。

3.避免使用困难的正则表达式
在 SQL 语言中，LIKE 关键字支配通配符匹配，含通配符的表达式被称为正则表达式。有的正则表达式可以自动优化为非匹配的。例如：a LIKE 'L%'可以优化为a>=‘L’ AND a<‘M’,这样就可以用到 a 上的索引。即使没有索引，转换后的比较也更快。再如：a LIKE 'LM_‘可以转化为 a>=‘LM’ AND a<‘LN’ AND a LIKE ‘LM_’。虽然仍然包含着通配符匹配，但大大缩小了匹配的范围。所谓困难的正则表达式是指开头和结尾都为通配符的正则表达式，如’L%’、’%L’， 优化器没办法缩小它们的匹配范围，也不可能用到索引而必须使用全表扫描。因此要尽可能避免这样的正则表达式。如果仅仅是开头为通配符，用户可以在列 a 上建立 REVERSE(a)这样一个函数索引，利用函数索引反转待匹配项从而使用函数索引进行范围扫描。
4.灵活使用伪表(DUAL)
首先可以利用伪表进行科学计算，执行语句 SELECT 34 FROM DUAL，则可以得到结果 12；
5.SELECT 项避免
除非用户确实要选择表中所有列，否则 SELECT *这种写法将让执行器背上沉重的负荷。因为每一列的数据不得不自下往上层层向上传递。不仅仅如此，如果用户查询的是列存储表， 那么列存储所带来的 IO 优势将损耗殆尽。任何时候，用户都要了解表结构和业务需求，小心地选择需要的列并一一给出名称，避免直接用 SELECT *。

6.避免功能相似的重复索引

索引并非越多越好。抛开优化器面对众多索引逐一试探所耗费的时间不谈，如果表上增删改操作频繁，那么索引的维护将会成为大麻烦，尤其是函数索引的计算开销更不能忽略。

7.使用 COUNT(*)统计结果行数

如果对单表查询 COUNT(**)且没有过滤条件，那么 数据库会直接读取相关索引中存储的行数信息，加以回滚段中其他事务插入或删除元组的行数修正，迅速地给出最终结果而避免对实际数据的读取。相比之下，COUNT(列名)会对数据进行读操作，执行效率远低于COUNT(*)。

8.使用 EXPLAIN 来查看执行计划

9.UNION 和 UNION ALL 的选择
UNION 和 UNION ALL 的区别是前者会过滤掉值完全相同的元组，为此 UNION 操作符需要建立 HASH 表缓存所有数据并去除重复，当 HASH 表大小超过了 INI 参数指定的限制时还会做刷盘。因此如果应用场景并不关心重复元组或者不可能出现重复，那么 UNION ALL 无疑优于
UNION。
10.优 化 GROUP BY … HAVING
GROUP BY 最常见的实现有 HASH 分组（HAGR）和排序分组（SAGR）。前者需要缓存中间结果；如果用户在 GROUP BY 的列上建立索引，那么优化器就会判断并可能使用上该索引， 这时的 GROUP BY 就会变为 SAGR。
HAVING 是分组后对结果集进行的过滤，如果过滤条件无关集函数操作，用户可以考虑将过滤条件放在 WHERE 而不是 HAVING 中。DM 优化器会判断并自动转换部分等效于 WHERE 的 HAVING 子句，但显式地给出最佳SQL 语句会让优化器工作得更好。